生產(chǎn)計劃與調(diào)度管理制度-資料下載頁
2024-11-08 04:22本頁面
【正文】 中設(shè)置多個時間斷點，通過改變假設(shè)條件來進行生產(chǎn)預(yù)測；同時，也可以進行回放分析，這在傳統(tǒng)仿真方法中是無法實現(xiàn)的。對多劇情仿真的管理由仿真劇情管理Agent實現(xiàn)；同時，仿真參數(shù)和得到的結(jié)果也將作為知識保存在案例庫中。調(diào)度因素分析Agent：接收來自數(shù)據(jù)采集模塊的實時生產(chǎn)線數(shù)據(jù)，比較仿真數(shù)據(jù)與生產(chǎn)數(shù)據(jù)的差異，如果發(fā)現(xiàn)兩者有較大的偏差，即參數(shù)超出了允許的域值范圍，則使用中心推理機分析原因，并將分析的調(diào)度因素傳遞給優(yōu)化策略管理Agent，作為調(diào)整調(diào)度模型和算法的依據(jù)。同時，將調(diào)度因素反饋給數(shù)據(jù)采集策略Agent，由后者按一定的策略完成下一步的生產(chǎn)線數(shù)據(jù)采集工作。(三)動態(tài)數(shù)據(jù)注入單元由數(shù)據(jù)采集策略Agent根據(jù)調(diào)度因素分析A—gent反饋的結(jié)果生成下一步的數(shù)據(jù)采集策略，然后派出對應(yīng)的移動Agent到生產(chǎn)制造EMS系統(tǒng)中采集生產(chǎn)線上的生產(chǎn)數(shù)據(jù)。由于柔性制造系統(tǒng)生產(chǎn)線由上百個生產(chǎn)設(shè)備構(gòu)成，如果對所有的生產(chǎn)數(shù)據(jù)進行采集必然影響數(shù)據(jù)的采集效率，所以采用移動Agent既縮短時間又提高數(shù)據(jù)的精確性，同時還可以根據(jù)需要對數(shù)據(jù)作一定的預(yù)處理以縮小傳遞的數(shù)據(jù)量。(四)用戶界面交互Agent 負(fù)責(zé)把仿真數(shù)據(jù)展示給用戶，同時，接收用戶對仿真模型或參數(shù)的控制。使用戶可以實時地控制仿真的整個過程，并利用仿真結(jié)果指導(dǎo)生產(chǎn)和數(shù)據(jù)采集過程。模型運行機制從圖3中可見，動態(tài)數(shù)據(jù)驅(qū)動仿真的過程與生產(chǎn)線的生產(chǎn)過程是并行進行的。仿真系統(tǒng)根據(jù)一定的時鐘節(jié)拍采樣生產(chǎn)線上的數(shù)據(jù)；然后，將仿真數(shù)據(jù)與生產(chǎn)線數(shù)據(jù)作比較，使用因素分析Agent分析原因。如果發(fā)現(xiàn)兩者有較大的偏差，即參數(shù)超出了允許的域值范圍，則調(diào)整仿真模型，重新進行仿真。其中，仿真模型根據(jù)動態(tài)注入的生產(chǎn)數(shù)據(jù)完成自適應(yīng)調(diào)整是整個DDDAS的核心，本文采用分層優(yōu)化的思想生成調(diào)度方案，同時達(dá)到全局和局部的優(yōu)化目標(biāo)。首先，將智能搜索技術(shù)與離散事件仿真技術(shù)相結(jié)合，得到上層的調(diào)度方案；然后，應(yīng)用優(yōu)化策略Agent對仿真結(jié)果進行分析，找到進一步優(yōu)化的方向，利用啟發(fā)式調(diào)度規(guī)則進行方案調(diào)整得到下層的調(diào)度方案，并反復(fù)地使用仿真進行驗證。不僅下層的調(diào)度方案建立在上層調(diào)度方案的基礎(chǔ)上；同時，上層的調(diào)度模塊接受下層調(diào)度方案的局部優(yōu)化解作為啟發(fā)信息引導(dǎo)搜索過程，以加快收斂，在較短的時間內(nèi)得到全局的優(yōu)化解。與傳統(tǒng)的靜態(tài)仿真不同，DDDAS仿真能動態(tài)地吸收新的數(shù)據(jù)，并將仿真過程同真實系統(tǒng)相融合，讓二者相互協(xié)同起來。一方面，通過真實系統(tǒng)運行過程中產(chǎn)生的參數(shù)同步地對仿真系統(tǒng)進行調(diào)整，可以大大提高仿真的準(zhǔn)確性、時效性、智能化；另一方面，通過仿真提供的數(shù)據(jù)同步地為真實系統(tǒng)地運行提供決策支持，這些將大大地擴展仿真系統(tǒng)的應(yīng)用能力。第五篇：生產(chǎn)計劃與調(diào)度搜集資料JIT生產(chǎn)模式：JIT生產(chǎn)是日本豐田汽車公司根據(jù)自身的特點，逐步創(chuàng)立的一種獨特的多品種、小批量、高質(zhì)量和低消耗制造模式的生產(chǎn)方式。JIT生產(chǎn)的基本原理來源于超級市場以需定供的管理方式，即供方依據(jù)訂貨傳票（看板）的要求，在規(guī)定的時間將貨品配送到需要的地點。也就是只在“需要的時間，供應(yīng)所需要品質(zhì)和數(shù)量的產(chǎn)品”，具體地說就是每一個階段加工或供應(yīng)產(chǎn)品的品質(zhì)、數(shù)量和時間由下一階段的需求確定。因此JIT生產(chǎn)是指在生產(chǎn)組織的各個層面上，采用通用性強、自動化程度高的機器設(shè)備，以不斷降低成本、無廢品和零庫存為目標(biāo)的一種生產(chǎn)方式。簡而言之是在面對不斷變化的市場，以盡可能低的成本，按照所需的數(shù)量，以完美的質(zhì)量為顧客提供所需的產(chǎn)品和服務(wù)，最大程度地滿足顧客需求。JIT生產(chǎn)的核心是消除一切浪費，其實現(xiàn)途徑就是通過實現(xiàn)“標(biāo)。零庫存”目混合遺傳算法：混合遺傳算法就是將遺傳算法與其他算法相混合，互取所長，互補所短。比如遺傳算法與模擬退火算法的混合，就是將遺傳算法的全局搜索能力與模擬退火算法的局部搜索能力結(jié)合起來，形成一種強大的算法。類似的還有：遺傳算法與最速下降法的混合、蟻群算法與遺傳算法的混合等。遺傳算法的基本運算過程如下：a)初始化：設(shè)置進化代數(shù)計數(shù)器t=0，設(shè)置最大進化代數(shù)T，隨機生成M個個體作為初始群體P(0)。b)個體評價：計算群體P(t)中各個個體的適應(yīng)度。c)選擇運算:將選擇算子作用于群體。選擇的目的是把優(yōu)化的個體直接遺傳到下一代或通過配對交叉產(chǎn)生新的個體再遺傳到下一代。選擇操作是建立在群體中個體的適應(yīng)度評估基礎(chǔ)上的。d)交叉運算：將交叉算子作用于群體。遺傳算法中起核心作用的就是交叉算子。e)變異運算：將變異算子作用于群體。即是對群體中的個體串的某些基因座上的基因值作變動。群體P(t)經(jīng)過選擇、交叉、變異運算之后得到下一代群體P(t+1)。f)終止條件判斷:若t=T,則以進化過程中所得到的具有最大適應(yīng)度個體作為最優(yōu)解輸出，終止計算。交叉算子：變異算子：輪盤賭的方法：
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1